深度学习在生物医药领域中的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量
11661	2024-08-07	Artificial intelligence in endocrinology: a comprehensive review 2024-May, Journal of endocrinological investigation IF:3.9Q2 DOI:10.1007/s40618-023-02235-9 PMID:37971630	综述	本文全面回顾了人工智能在内分泌学领域的应用现状，重点关注机器学习算法和深度学习模型在诊断、治疗和管理内分泌疾病中的潜力	探讨了人工智能在内分泌学多个领域的应用，包括筛查诊断、风险预测、转化研究和预防医学，展示了其在优化医疗结果和揭示内分泌疾病复杂机制中的价值	NA	提供人工智能在内分泌学和代谢领域应用的概述	内分泌疾病，如糖尿病及相关疾病、甲状腺疾病、肾上腺肿瘤和骨矿物质疾病	机器学习	内分泌疾病	NA	机器学习算法和深度学习模型	NA	NA
11662	2024-08-07	Underwater sound speed profile estimation from vessel traffic recordings and multi-view neural networks 2024-May-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0025920 PMID:38717207	研究论文	本文研究了利用海洋船舶噪声作为机会声源来估计海洋声速剖面的潜力，并提出了一种基于深度学习的反演方案	本文提出了一种新的深度学习方法，利用单个水听器记录的移动船舶水下辐射噪声来估计海洋声速剖面	研究仅限于圣巴巴拉海峡，且数据集仅包含2015年至2017年的记录	探索利用海洋船舶噪声估计海洋声速剖面的方法	海洋声速剖面	机器学习	NA	深度学习	神经网络	声学记录和船舶描述数据	数据集包括2015年至2017年间圣巴巴拉海峡的船舶自动识别系统数据和声学记录，每天通常记录4到10次航行
11663	2024-08-07	Predicting underwater acoustic transmission loss in the SOFAR channel from ray trajectories via deep learning 2024-May-01, JASA express letters IF:1.2Q3 DOI:10.1121/10.0025976 PMID:38717470	研究论文	本文提出了一种基于深度学习的声学传输损失预测方法，通过训练U-net型卷积神经网络，实现射线轨迹与传输损失之间的准确映射	采用深度学习方法简化传统复杂算法和计算密集型问题，提供了一种快速且准确的预测模型	NA	解决声学传输损失预测中的算法复杂和计算密集问题	水下声学传输损失	机器学习	NA	深度学习	U-net型卷积神经网络	射线轨迹	使用Munk声速剖面的SOFAR通道进行验证
11664	2024-08-07	DeepLabCut-based daily behavioural and posture analysis in a cricket 2024-Apr-15, Biology open IF:1.8Q3 DOI:10.1242/bio.060237 PMID:38533608	研究论文	本文介绍了一种基于DeepLabCut的系统，用于长期量化单个蟋蟀的多种行为，如运动活动、进食和类似睡眠状态	该系统利用DeepLabCut软件，通过监督式机器学习进行身体关键点标记，无需物理标记个体动物，减少了人为偏差	NA	研究蟋蟀的昼夜节律及其神经机制	蟋蟀的行为和姿势	机器学习	NA	DeepLabCut	监督式机器学习	视频	单个蟋蟀
11665	2024-08-07	Artificial intelligence in liver imaging: methods and applications 2024-Apr, Hepatology international IF:5.9Q1 DOI:10.1007/s12072-023-10630-w PMID:38376649	综述	本文综述了基于医学影像的人工智能方法及其在肝脏疾病管理中的应用	重点介绍了深度学习在肝脏影像中的代表性方法及其在精确检测、诊断和治疗肝脏疾病中的临床应用	强调了当前面临的挑战，如特征可解释性、多模态数据集成和多中心研究	探讨人工智能方法在肝脏疾病管理中的应用及其未来发展	肝脏疾病及其影像学评估	计算机视觉	肝脏疾病	深度学习	NA	影像	NA
11666	2024-08-07	AI-Driven Clinical Decision Support Systems: An Ongoing Pursuit of Potential 2024-Apr, Cureus DOI:10.7759/cureus.57728 PMID:38711724	综述	本文综述了人工智能（AI）技术如何革新临床决策支持系统（CDSS），包括其在医疗决策中的应用、相关挑战以及实现AI-CDSS潜力的未来方向。	强调了AI在提升CDSS效能和效率中的日益重要的作用，并探讨了AI技术如机器学习算法、自然语言处理和深度学习在CDSS中的集成。	讨论了AI集成中的挑战，如可解释性和偏见问题，并提出了成功采用AI-CDSS的策略，强调了工作流程对齐和跨学科合作的重要性。	探讨AI技术如何改变CDSS，并推动其在医疗实践中的应用。	研究对象包括AI技术在CDSS中的应用，如AI驱动的诊断、个性化治疗建议、风险预测和临床文档辅助。	NA	NA	机器学习算法、自然语言处理、深度学习	神经网络、决策树	NA	NA
11667	2024-08-07	Evaluating large language models for annotating proteins 2024-Mar-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae177 PMID:38706315	研究论文	本文评估了使用大型语言模型（LLMs）进行蛋白质注释的新协议	提出了一种基于迁移学习的新协议，使用大型语言模型在大量未注释数据集上进行自监督训练，以获得序列嵌入，然后在小规模注释数据集上进行监督学习，以提高蛋白质域注释的预测	深度学习模型需要大量训练数据，对于人口稀少的家族可能是一个挑战	提高蛋白质域注释的准确性和效率	蛋白质注释	自然语言处理	NA	迁移学习	大型语言模型（LLMs）	序列数据	超过25100万蛋白质，其中仅0.25%被注释
11668	2024-08-07	GSScore: a novel Graphormer-based shell-like scoring method for protein-ligand docking 2024-Mar-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae201 PMID:38706316	研究论文	提出了一种基于Graphormer方法和Shell-like图结构的深度学习评分方法GSScore，用于蛋白质-配体对接姿态的RMSD预测	GSScore利用Graphormer和Shell-like图结构，能有效捕捉能量上有利的近天然构象与不利的非天然姿态之间的细微差异，无需额外信息	NA	开发新的计算方法以更准确地预测蛋白质-配体对接的RMSD	蛋白质-配体相互作用模式	机器学习	NA	Graphormer方法	Graphormer	图结构	评估了包括PDBBind 2019版本子集、CASF2016以及DUD-E在内的多样化测试集
11669	2024-08-07	Deep learning assisted single particle tracking for automated correlation between diffusion and function 2024-Feb-02, Research square DOI:10.21203/rs.3.rs-3716053/v1 PMID:38352328	研究论文	本文介绍了一种名为DeepSPT的深度学习框架，用于快速高效地解释物体在亚细胞环境中的2D或3D扩散行为	DeepSPT能够自动从扩散行为中提取功能信息，无需人工干预	NA	开发一种自动化方法，从亚细胞环境的扩散行为中提取功能信息	亚细胞环境中的分子和细胞器的扩散行为	机器学习	NA	深度学习	深度学习框架	图像	NA
11670	2024-08-07	Deep learning based synthesis of MRI, CT and PET: Review and analysis 2024-Feb, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.103046 PMID:38052145	综述	本文综述了2018年至2023年间基于深度学习的医学图像合成技术，包括伪CT、合成MR和合成PET，并分析了各种合成方法的模型设计和网络架构	深度学习在合成图像对比度应用中表现出优于传统图像合成方法的性能，特别是引入了Transformer和Diffusion模型等新型网络架构	文章讨论了在医学图像合成中存在的挑战，并提出了可能的解决方案和未来研究方向	旨在克服获取多种图像模态以实现准确临床工作流程的挑战	医学图像合成技术，包括伪CT、合成MR和合成PET	计算机视觉	NA	深度学习	CNN, Transformer, Diffusion模型	图像	NA
11671	2024-08-07	An Ensemble Learning Method for Detection of Head and Neck Squamous Cell Carcinoma Using Polarized Hyperspectral Microscopic Imaging 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3007869 PMID:38711533	研究论文	本研究开发了一种基于偏振高光谱显微成像的集成学习方法，用于检测头颈部鳞状细胞癌	利用偏振高光谱显微成像技术和卷积神经网络构建了一种四分支模型架构，每个分支分别训练一个Stokes参数	未来的工作可以通过训练更多样化的数据、根据肿瘤分级进行分类以及引入更新的架构技术来改进结果	开发一种新的深度学习分类方法，用于检测头颈部鳞状细胞癌	头颈部鳞状细胞癌的病理切片	计算机视觉	头颈部鳞状细胞癌	偏振高光谱显微成像	CNN	图像	56名患者
11672	2024-08-07	Using Artificial Intelligence for Rheumatic Heart Disease Detection by Echocardiography: Focus on Mitral Regurgitation 2024-Jan-16, Journal of the American Heart Association IF:5.0Q1 DOI:10.1161/JAHA.123.031257 PMID:38226515	研究论文	本文研究使用人工智能通过超声心动图检测风湿性心脏病，特别是二尖瓣反流	本文提出了一种自动化的方法，利用卷积神经网络和深度学习模型结合注意力机制来定位左心房并分析二尖瓣反流，以检测风湿性心脏病	研究需要更多的数据来进一步提高模型的准确性	探索人工智能在无症状儿童中通过超声心动图检测风湿性心脏病的能力，以预防疾病进展	儿童的风湿性心脏病和二尖瓣反流	机器学习	风湿性心脏病	卷积神经网络，深度学习	CNN，深度学习模型	图像	511例儿童超声心动图
11673	2024-08-07	A deep learning framework for noninvasive fetal ECG signal extraction 2024, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2024.1329313 PMID:38711954	研究论文	本文开发了一种深度学习框架，用于从12通道腹部复合信号中非侵入性地提取胎儿心电图（ECG）信号的R峰	提出了一种使用循环神经网络架构的模型，能够稳健地检测胎儿ECG的R峰	NA	开发一种框架，用于直接从腹部复合信号中检测和识别胎儿ECG的R峰	从70名健康和有健康状况的孕妇中非侵入性地记录的信号	机器学习	NA	循环神经网络	RNN	信号	70名孕妇
11674	2024-08-07	The 100 most cited articles in artificial intelligence related to orthopedics 2024, Frontiers in surgery IF:1.6Q2 DOI:10.3389/fsurg.2024.1370335 PMID:38712339	研究论文	本研究旨在识别和分析与骨科领域相关的人工智能领域前100篇高被引文章	NA	NA	识别和分析骨科领域中与人工智能相关的高被引文章	前100篇高被引文章	机器学习	NA	VOSviewer	NA	文本	100篇文章
11675	2024-08-07	A contrastive learning approach to integrate spatial transcriptomics and histological images 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.04.039 PMID:38707535	研究论文	本文介绍了一种基于对比学习的模型ConGcR，用于整合基因表达、空间位置和组织形态学数据，以进行数据表示和空间组织结构识别	提出了ConGcR模型，结合图卷积和ResNet作为编码器，并进一步通过图自编码器ConGaR增强模型，以更好地建模空间嵌入表示	NA	旨在有效整合空间多模态数据，提高组织结构识别的准确性	基因表达、空间位置和组织形态学数据	计算机视觉	NA	对比学习	图卷积网络、ResNet	基因表达数据、图像	16个人脑样本、4个鸡心样本、8个乳腺癌样本和30个人类肺部空间转录组样本
11676	2024-08-07	Deep learning-based detection of indicator species for monitoring biodiversity in semi-natural grasslands 2024-Sep, Environmental science and ecotechnology IF:14.0Q1 DOI:10.1016/j.ese.2024.100419 PMID:38706811	研究论文	本文开发了一种基于深度学习的对象检测模型，用于识别高自然价值草地中的指示物种，以监测生物多样性	首次利用温室培养的指示植物样本进行深度学习模型的训练，实现了对草地生态系统中植物的实地识别	研究主要集中在温室和实验草地数据上，未来需要进一步验证模型在更广泛自然草地环境中的适用性	探索深度学习技术在草地生物多样性监测中的应用	高自然价值草地中的指示物种	机器学习	NA	深度学习	对象检测模型	图像	包括温室数据、实验草地数据和自然草地数据
11677	2024-08-07	ASOptimizer: Optimizing antisense oligonucleotides through deep learning for IDO1 gene regulation 2024-Jun-11, Molecular therapy. Nucleic acids DOI:10.1016/j.omtn.2024.102186 PMID:38706632	research paper	本文介绍了一种基于深度学习的平台ASOptimizer，用于高效且低成本地设计反义寡核苷酸（ASOs），以优化IDO1基因的调控	ASOptimizer不仅选择最有效的mRNA靶点，还优化化学修饰以增强性能	NA	开发一种高效且低成本的方法来设计反义寡核苷酸，用于癌症治疗	IDO1 mRNA的反义寡核苷酸设计	machine learning	NA	deep learning	NA	sequence	NA
11678	2024-08-07	Fusion of multi-source relationships and topology to infer lncRNA-protein interactions 2024-Jun-11, Molecular therapy. Nucleic acids DOI:10.1016/j.omtn.2024.102187 PMID:38706631	研究论文	本文提出了一种基于图自编码器（GAE）的FMSRT-LPI模型，用于预测长非编码RNA与蛋白质的相互作用（LPI）	首次将路径掩蔽和度回归策略集成到GAE框架中，用于潜在的LPI推断	NA	准确预测长非编码RNA与蛋白质的相互作用，以阐明lncRNA的功能和致病机制	长非编码RNA与蛋白质的相互作用	生物信息学	NA	图自编码器（GAE）	GAE	网络数据	多个公共数据集
11679	2024-08-07	Evaluation of Deep Learning Clinical Target Volumes Auto-Contouring for Magnetic Resonance Imaging-Guided Online Adaptive Treatment of Rectal Cancer 2024-Jun, Advances in radiation oncology IF:2.2Q2 DOI:10.1016/j.adro.2024.101483 PMID:38706833	研究论文	本文提出并应用了一个全面的框架，用于评估深度学习在直肠癌患者MRI引导在线自适应放疗中自动勾画临床目标体积（CTV）的性能和临床可用性。	本文创新地提出了一种全面的评估框架，用于验证深度学习自动勾画CTV的准确性和临床信任度。	尽管模型在专家修正后性能与观察者间变异相当，但仍引入了一定的偏差，尽管对临床实践影响不大。	旨在评估深度学习在直肠癌放疗中自动勾画CTV的性能和临床应用潜力。	研究对象为接受MRI引导在线自适应放疗的直肠癌患者。	机器学习	直肠癌	深度学习	nnU-Net	图像	44名直肠癌患者
11680	2024-08-07	UIdataGB: Multi-Class ultrasound images dataset for gallbladder disease detection 2024-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110426 PMID:38708300	research paper	本文介绍了一个大型数据集UIdataGB，包含10,692张高分辨率的胆囊超声图像，用于胆囊疾病检测。	该研究首次提供了一个开放访问的胆囊器官超声图像数据集，有助于推动计算机辅助诊断胆囊疾病的研究。	由于是首次提供此类数据集，可能存在数据集质量和可用性方面的限制。	旨在通过提供一个大型胆囊超声图像数据集，推动医学影像领域的发展，改善患者治疗。	研究对象包括1,782名个体的胆囊超声图像，涵盖多种胆囊疾病类型。	computer vision	胆囊疾病	NA	NA	image	10,692张胆囊超声图像，来自1,782名个体